一种适应视频点播服务负载波动的流量模型：识别、验证及其在动态资源管理中的应用

动态资源管理已成为云计算范式中的一个活跃研究领域。资源成本随其使用配置的不同而显著变化。因此，高效的资源管理对云提供商和云用户都至关重要。在本报告中，我们提出了一种概率资源供应方法，可作为动态资源管理方案的输入。我们以视频点播（Video on Demand）用例来论证我们的观点，提出了一种受流行病学传播标准模型启发的分析模型，用以表征突发且剧烈的负载变化。作为一个关键步骤，我们还推导了一种启发式识别过程来校准所有模型参数，并在合成时间序列上评估了我们的估计器性能。我们展示了在稳态概率和自相关结构方面，我们的模型在稳态情况下能多好地拟合真实负载轨迹。我们发现，所得模型验证了大偏差原理（Large Deviation Principle），该原理从统计上刻画了极端稀有事件，例如视频点播语境下可能导致负载溢出的“轰动效应”所产生的事件。这一分析为系统预期的异常行为提供了有价值的见解。我们利用通过大偏差原理获得的信息，针对所提出的视频点播用例定义了策略（服务等级协议）。我们相信，这些用于弹性资源供应和使用的策略可能对新兴云网络环境中的所有利益相关者都具有一定意义。